Comprendre et neutraliser la propagation de fake news

Retour sur les succès de 2022 : des chercheurs du LIST ont appliqué des techniques d’apprentissage automatique destinées à traiter de grandes quantités de données dans le but d’identifier les tendances, signaux et comportements suspects ainsi que les entités qui se comportent mal.

Le partage d’informations trompeuses, hors contexte ou simplement fausses, et la coordination des comportements («brigading») qui l’accompagne, altèrent la qualité des informations que nous recevons en ligne, que le mauvais comportement soit intentionnel ou non.

Au travers du projet CON-NET, le LIST applique des techniques d’apprentissage automatique destinées à traiter de grandes quantités de données dans le but d’identifier les tendances, signaux et comportements suspects ainsi que les entités qui se comportent mal. Cette démarche est complétée par une approche d’analyse visuelle, en incluant le facteur humain dans la boucle, pour fournir un contexte et comprendre la propagation des fausses informations en ligne. De ce fait, nous abordons la complexité des réseaux de médias sociaux en ligne.

"CON-NET est une plateforme qui repoussera les limites de la visualisation des réseaux multi-niveaux afin de permettre à l’utilisateur final de mieux comprendre la source et l’impact des comportements néfastes et de la désinformation en ligne," Fintan MC GEE, Senior Research and Technology Associate

Le projet CON-NET est financé dans le cadre du programme CHIST-ERA et rassemble un consortium de partenaires venus de toute l’Europe.

Consultez la version digitale du rapport annuel 2022 du LIST.